当前位置：
首页 资源下载
搜索资源 - Neural Network classifier
搜索资源列表
-
0下载：
基于BP_Adaboost的分类器，RBF神经网络的回归，GRNN的数据预测，离散hopfield神经网络的分类，LIBSVM的实例解析。-BP_Adaboost classifier, RBF neural network regression, GRNN data prediction, discrete hopfield neural network classification, LIBSVM case analysis.
-
-
0下载：
神经网络的应用——分类器中常用的分类数据集：乳腺肿瘤识别-That is commonly used in the application of neural network, a classifier classification data sets: breast tumor recognition
-
-
0下载：
最新的基于卷积神经网络和字典对分类器的图像识别与分类算法资料-Image recognition and classification algorithm based on convolution neural network and dictionary classifier
-
-
0下载：
对SVM神经网络进行参数优化，提升其分类器性能(The parameters of SVM neural network are optimized to improve the performance of classifier)
-
-
0下载：
让机器拥有想象力
神经网络对于物体的本质是怎么“想”的？
为了搞懂这个问题，谷歌大脑的研究人员使用GAN，让神经网络的“想法”呈现在你的眼前。当然，这些“想法”看起来十分迷幻。
其实这原本是一个图像分类器，而生成的迷幻图片，是故意对图像进行过度处理的副产品。现在这套系统有个单独的名字：“深梦（Deep Dream）”。(Let the machine have imagination
How does the neural network think about the es
-
-
0下载：
MATLAB 代码
第1章 BP神经网络的数据分类——语音特征信号分类
第2章 BP神经网络的非线性系统建模——非线性函数拟合
第3章 遗传算法优化BP神经网络——非线性函数拟合
第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模
第6章 PID神经元网络解耦控制算法——多变量系统控制
第7章 RBF网络的回归--非线性函数回归的实现
....等58章(MATLAB code
The first
-
-
1下载：
本内容是有关机器学习的包含贝叶斯分类器，随机森林，支持向量机，神经网络，logistic多元回归等(The contents of this paper are machine learning, including Bayesian classifier, random forest, support vector machines, neural network, logistic multiple regression and so on)
-
-
0下载：
概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
-
-
2下载：
采用BP神经网络设计男女生分类器。采用的特征包括身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征，BP神经网络包含一个隐层，隐层结点数为5。(Using BP neural network to design a classifier for male and female students. The features include height, weight, whether they like mathematics, whether they like literatur
-
-
0下载：
态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于
-
-
0下载：
为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反
-
-
7下载：
1. 采用BP神经网络设计男女生分类器。采用的特征包括身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征，BP神经网络包含一个隐层，隐层结点数为5。要求：自行编写代码完成后向传播算法，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算可以基于平台的软件包）。(. using BP neural network to design the classifier for male and female students. The features in
-
-
1下载：
BP神经网络算法，贝叶斯-最小距离分类器，可以用于模式识别。(BP neural network algorithm, Bayesian minimum distance classifier, can be used for pattern recognition)
-
-
0下载：
模式识别分类器，利用Fisher判别对数据进行分类以及BP神经网络的方法进行分类(Pattern recognition classifier, the use of Fisher discriminant classification of data and BP neural network method for classification)
-
-
0下载：
这是bp神经网络的M文件，包括BP网络的第一阶段学习期（训练加权系数wki，wij)，BP网络的第二阶段工作期（根据局训练好的wki，wij和给定的输入计算输出），程序里有详细注释。该程序被用来作为分类器使用。(This is the BP neural network M files, including the first phase of BP network learning period (training weighting coefficient wki, wij), the se
-
-
2下载：
本示例展示了怎样从一个预处理的卷积神经网络中提取特征，并用这些特征去训练一个图像分类器。(This example shows how to extract learned features from a pretrained convolutional neural network, and use those features to train an image classifier. Feature extraction is the easiest and fastest way use
-
-
0下载：
概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(The rate neural network, first proposed in 1989, is a branch of the RBF network and is one of the fe
-
-
2下载：
一个遗传算法优化神经网络的分类器，可用于模式识别。(A genetic algorithm optimizes the classifier of neural network, which can be used for pattern recognition.)
-
-
2下载：
深度信念网络，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。(Deep belief network, a kind of neural network. It can be used for unsupervised learning, similar to a self-coding machine, or supervised learning, as a classifier.)
-
-
2下载：
采用BP神经网络设计男女生分类器。采用的特征包括身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征，BP神经网络包含一个隐层，隐层结点数为6。(BP neural network is used to design the classifier for boys and girls. The features used include height, weight, whether you like mathematics, whether you like literature,
-
